基于被动水声信号的淡水鱼种类识别

针对淡水鱼种类自动识别问题,采用被动水声信号作为数据源,运用维纳滤波和采样降噪法对水声信号进行预处理,通过4层小波包分解算法提取频段能量,结合信号的短时平均能量和短时平均过零率构建特征向量,使用概率神经网络分类器实现了淡水鱼种类的快速识别,研究了不同平滑因子取值对识别效果的影响。结果表明,当平滑因子为9~19时识别效果最佳,其中草鱼、鳊鱼、鲫鱼的识别正确率均为100%,无鱼状态的识别正确率为77.3%,总正确率为94.3%。

单品种淡水活鱼数量的被动声学估计

针对单品种淡水活鱼数量估计问题,以鲫鱼和鳊鱼为研究对象,采用不同数量淡水鱼的被动水声信号作为样本,通过4~6层小波包分解算法,对比分析了样本的若干特征提取方案,明确了鲫鱼水声信号特征的提取方案为短时平均过零率+6层小波包分解频段能量,而鳊鱼只需提取6层小波包分解频段能量作为其信号特征。根据不同样本集划分方法比较结果,确定了鲫鱼样本集划分方法为Rank-SPXY(m=10),鳊鱼为Rank-SPXY(m=5)。利用竞争自适应重加权采样,筛选出样本的关键特征,并使用多元线性回归和偏最小二乘回归建立了若干淡水活鱼的数量估计模型,结果表明:多元线性回归模型的性能较好,鲫鱼和鳊鱼数量估计模型的复相关系数分别为0.835和0.893,相对分析误差分别为1.79和2.01。

基于被动水声信号的淡水鱼混合比例识别

针对淡水鱼混合比例识别问题,以鳊鱼和鲫鱼为研究对象,通过水听器采集不同混合比例下的淡水鱼被动水声信号,利用butter函数进行信号预处理,分别提取短时平均能量、短时平均过零率、4层小波包分解频段能量、平均Mel频率倒谱系数、基于功率谱的主峰频率和主峰值等特征,构建特征向量,建立了基于主成分分析的支持向量机混合比例识别模型。分析了不同混合比例的淡水鱼水声信号之间的显著性差异,研究了主成分个数对模型识别率的影响。结果表明,平均Mel频率倒谱系数对淡水鱼混合比例识别效果最优,主成分个数为19时,平均识别正确率为96.43%,Kappa系数为0.96。

车载活鱼运输制动阶段力学特性

以鲫、草鱼、鳊、黄颡鱼为试验材料,研究车载活鱼在直线加减速运输过程中鱼体受力情况。利用最小二乘法,以高斯函数作为拟合函数,分别对以40、60、80km/h直线行驶时制动阶段的力值曲线进行拟合,运用粒子群算法对拟合后曲线进行优化,最终曲线的决定系数为0.902~0.986,标准误差为0.058~0.145,拟合效果良好。分析了不同种类鱼和车速对拟合曲线的影响,结果表明,直线行驶时速度越大,制动阶段拟合曲线的比例系数及峰宽参数越大,在相同情况下,制动时鲫所受冲击最大(38.02N),黄颡鱼最小(15.69N),直线行驶时的车速和鱼的种类对位置参数无明显影响,直线行驶时的车速对拟合曲线的指数无明显影响。最后对制动阶段压力测试板进行受力分析,结果表明,制动阶段压力实测值较理论值相比偏小,相对误差在15.990%以内。

车载活鱼力学响应特性

以鲫(Carassius auratus)、草鱼(Ctenopharyngodon idellus)、鳊(Parabramis pekinensis)、黄颡鱼(Pelteobagrus fulvidraco)为试验材料,通过不同路况及车况的运输试验,研究车载活鱼运输过程中鱼体受力情况。试验测得车载活鱼直线行驶、过减速带及转弯运输的力值曲线,对力值曲线进行平滑滤波处理及提取力学特征值,并对车载活鱼运输的力学特征值进行显著性分析。结果表明:鱼的种类、车速、加速度对部分力学特征值的影响有显著差异,在3种行驶状态中转弯行驶对制动最大力值影响最大。